不要轻易相信老板承诺的奖金

本文分享了一则关于江西赣州某游戏公司服务器岗位的招聘信息,其中提到的基本工资为6K,加上提成后月薪可能达到30K。作者通过与招聘方交流后,认为实际收入与宣传存在较大差距,并分享了自己早年在北京工作的薪酬经历。

群里面各种发广告。看到一个自己觉得比较离谱的(3年c++,游戏服务器,赣州,月薪30k),就跟了几句,问下基本工资情况,以下是对方聊天记录:
鍾噫妳~  11:39:30
底薪6K 提成只要能接管正在运营的游戏 能解决程序上的问题即可拿到
鍾噫妳~   11:40:54
可能我开高了你们觉得在画饼。。。我只能说公司能提供的就这些了
鍾噫妳~   11:58:11
只要能力够 能接管多个项目提成这块算下来可超30K
鍾噫妳~   11:58:47
也不是没有这个列子。。
鍾噫妳~   11:59:03

之前的主要技术月收入已经超过这个数了


我感觉在赣州这种小城市月薪给到6k应该算是一个正常值,剩余的承诺基本没有可能实现。具体就不评论了,万一真的有靠谱的老板呢。主要是想记录一下自己在找工作时被坑的例子。

08年刚来北京的时候,在电力系统干临时工,公司给的待遇是,基本工资3500-3600(居然是一个浮动值,刚毕业没经验呀),季度奖1500,年终奖一个月工资。

基本工资都没有说清楚,关于那两个奖金具体怎么发更没有问,人事只说这个奖金是跟绩效挂钩,会稍微有点浮动,但是人人都有的。当时没想那么多,既然大家都有的那就可以当基本工资算了。感觉3600+500比其他公司开出的条件要稍微好一点,就去了。

结果去上班后马上发现,拿来的合同是按3500写好的,直接傻眼了。负责签合同的姑娘很无奈的说,你跟我们经理谈好的啊。唉,谁叫自己当时没有说清楚呢,忍了吧。
过去的时候是11月份,人家年终奖只发给工作满一年的,这块暂时没戏了,反正刚来,还有季度奖嘛。
结果等了大半年没有等到季度奖,找人事问了一下,原来人家季度奖的发放办法是:试用期没有,从转正后的第一个满季度开始发放季度奖,发放时间是计算奖金的季度结束后的下下个月。听到这个当时那个汗呀,作为一个单纯的程序员怎么可能想到这么多呢。
总共在那边干了18.5个月,收到的奖金情况:

11月5号到岗,1月5号转正。这两个月工资8折。奖金0
1-3月不满季度,季度奖0。好坑啊,就差5天。
4-6月满季度,有奖金,得等到8月底发。收到奖金0
8月底:上一季度奖金1500
11月底:7-9月季度奖1500
12月年终奖一次 3500
2月底,上一年10-12月季度奖1500
5月中旬离职,1-3月季度奖水漂了。工资跟市场价差距太大了,就算呆到月底那1500的奖金已经没有意义了。


18个月总计得了8000奖金,其中共计得到季度奖4500,折合每个月250。跟承诺的500整整差了1倍。这还是说的明明白白的奖金,假如是没有办法衡量的那种绩效的,那就真的没法说了。


从那以后我就明白了两个道理:

找工作的时候基本工资一定要谈清楚,不带含含糊糊有区间范围的,如果不谈清楚,到时候肯定按照下限给你发工资;

各种奖金排除在外只看基本工资,能接受再去。到时候给发了,算是额外之喜,没有发也不用有上当受骗的感觉,继续好好干活。


内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值